Nama : Tedy Wijaya

NIM : 163303040404
Mata Kuliah : Jaringan Saraf Tiruan

1. Buatlah model neuron McP untuk menyatakan fungsi logika OR

2. Buatlah model neuron McP untuk menyatakan fungsi logika XOR
3. Buatlah model neuron McP untuk menyatakan fungsi logika x1 AND NOT x2

1. Fungsi logika ”OR” dengan 2 masukan x1 dan x2 akan memiliki keluaran Y=0 jika dan
hanya jika kedua masukan bernilai 0.
Model neuron fungsi OR tampak pada gambar di bawah ini. Bobot tiap garis adalah 1
dan fungsi aktivasi memiliki nilai threshold = 1.
2
1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 ≥1
𝑋1 𝑋2 𝑛𝑒𝑡 = ∑ 𝑥𝑖 𝑤 𝑓(𝑛𝑒𝑡) = {0 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 <1
𝑖=1
1 1 1*1+1*1=2 1
1 0 1*1+0*1=1 1
0 1 0*1+1*1=1 1
0 0 0*1+0*1=0 0

2. Fungsi logika “OR” dengan dua masukan X1 dan X2 akan memiliki keluaran Y=0
bila dan hanya bila X1=X2.
X1 XOR X2 = (X1 and ~ X2) or ( X2 and ~ X1)
Z1 = (X1 and ~ X2) W1 =2, W2 = -1, threshold = 2
Z2 = (X2 and ~ X1) W1 =-1, W2 = 2, threshold = 2
Y = N = Z1 or Z2 W1 =1, W2 = 1, threshold = 1
𝑍 𝑍2 𝑁 Y=f(N)=
𝑋1 𝑋2 ~𝑋1 ~𝑋2 1
= (𝑋1 𝐴𝑁𝐷 ~𝑋2 ) = (~𝑋1 𝐴𝑁𝐷 𝑋2 ) = 𝑍1 𝑂𝑅𝑍2 0 if N=1
1 1 0 0 0 0 0 0
1 0 0 1 1 0 1 1
0 1 1 0 0 1 1 1
0 0 1 1 0 0 0 0

3. Fungsi logika “NAND” dengan dua masukan X1 dan X2 akan memiliki keluaran Y=0
jika dan hanya jika kedua masukan bernilai 1.
X1 X2 N=x1.w1+n2.w2+b Y=f(N)=1 if N<0
1 1 1.3+1.4-6=1 0
1 0 1.3+0.4-6=-3 1
0 1 0.3+1.4-6=-2 1
0 0 0.3+0.4-6=-6 1
1. Ulangi contoh di atas, tapi menggunakan masukan biner dan keluaran bipolar.
Gunakan α = 1 dan threshold θ = 0,2.
2. Diketahui perseptron dengan 3 masukan x1, x2, x3, sebuah bias dan sebuah keluaran
bipolar. Carilah bobot yang akan mengenali pola sebagai berikut: target keluaran
bernilai 1 apabila semua masukan bernilai 1, dan target bernilai -1 apabila tepat salah
satu dari masukan bernilai 0 (tidak diketahui bagaiman target apabila ada dua atau
lebih masukan yang bernilai 0). Gunakan bobot awal dan bias = 0, α = 1 dan threshold
θ = 0,1.

1. Target masukan dan target fungsi logika AND dengan masukan biner dan keluaran
bipolar
Masukan Target
X1 X2 1 T
1 1 1 1
1 0 1 -1
0 1 1 -1
0 0 1 -1
Untuk threshold θ=0,2, maka fungsi aktivasinya:
1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 > 0.2
𝑓(𝑛𝑒𝑡) = { 0 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 = 0.2 }
−1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 < 0.2

Hasil pada EPOCH PERTAMA

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 0 0 (1 0 −1) (1 1 1)
(1 0 1) -1 2 1 (−1 0 −1) (0 1 0)
(0 1 1) -1 1 1 (0 −1 −1) (0 0 −1)
(0 0 1) -1 -1 -1 (0 0 0) (0 0 −1)

Hasil pada EPOCH KEDUA

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 −1)
(1 1 1) 1 -1 -1 (1 1 1) (1 1 0)
(1 0 1) -1 1 1 (−1 0 −1) (0 1 −1)
(0 1 1) -1 0 0 (0 −1 −1) (0 0 −2)
(0 0 1) -1 -2 -1 (0 0 0) (0 0 −2)
Hasil pada EPOCH KETIGA
Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 -2 -1 (1 1 1) (1 1 −1)
(1 0 1) -1 0 0 (−1 0 −1) (0 1 −2)
(0 1 1) -1 -1 -1 (0 0 0) (0 1 −2)
(0 0 1) -1 -2 -1 (0 0 0) (0 1 −2)

Hasil pada EPOCH KEEMPAT

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 -1 -1 (1 1 1) (1 2 −1)
(1 0 1) -1 0 0 (−1 0 −1) (0 2 −2)
(0 1 1) -1 0 0 (0 −1 −1) (0 1 −3)
(0 0 1) -1 -3 -3 (0 0 0) (0 1 −3)

Hasil pada EPOCH KELIMA

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 -2 -1 (1 1 1) (1 2 −2)
(1 0 1) -1 -1 -1 (0 0 0) (1 2 −2)
(0 1 1) -1 0 0 (0 −1 −1) (1 1 −3)
(0 0 1) -1 -3 -1 (0 0 0) (1 1 −3)

Hasil pada EPOCH KEENAM

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 -1 -1 (1 1 1) (2 2 −2)
(1 0 1) -1 0 0 (−1 0 −1) (1 2 −3)
(0 1 1) -1 -1 -1 (0 0 0) (1 2 −3)
(0 0 1) -1 -3 -1 (0 0 0) (1 2 −3)

Hasil pada EPOCH KETUJUH

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 0 0 (1 1 1) (2 3 −2)
(1 0 1) -1 0 0 (−1 0 −1) (1 3 −3)
(0 1 1) -1 0 0 (0 −1 −1) (1 2 −4)
(0 0 1) -1 -4 -1 (0 0 0) (1 2 −4)
 Hasil pada EPOCH KE 8
Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 -1 -1 (1 1 1) (2 3 −3)
(1 0 1) -1 -1 -1 (0 0 0) (2 3 −3)
(0 1 1) -1 0 0 (0 −1 −1) (2 2 −4)
(0 0 1) -1 -4 -1 (0 0 0) (2 2 −4)

Hasil pada EPOCH KE 9

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 0 0 (1 1 1) (3 3 −3)
(1 0 1) -1 0 0 (−1 0 −1) (2 3 −4)
(0 1 1) -1 -1 -1 (0 0 0) (2 3 −4)
(0 0 1) -1 -4 -1 (0 0 0) (2 3 −4)

Hasil pada EPOCH KE 10

Masukan Target Net Y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 1) (∆𝑤1 ∆𝑤2 ∆𝑏) (𝑤1 𝑤2 𝑏)
Inisialisasi (0 0 0)
(1 1 1) 1 1 1 (0 0 0) (2 3 −4)
(1 0 1) -1 -2 -1 (0 0 0) (2 3 −4)
(0 1 1) -1 -1 -1 (0 0 0) (2 3 −4)
(0 0 1) -1 -4 -1 (0 0 0) (2 3 −4)

Setelah 10 epoch, semua f(net)=t sehingga jaringan telah mengenal pola dan iterasi
dihentikan. Persamaan garisnya adalah 2x1+3x2–4=0.2 (2x1+3x2=4.2) dan
2x1+3x2-4=0.2 (atau 2x1+3x2 = 3.8)

2. 3 masukan biner dan sebuah keluaran bipolar

Masukan
X1 X2
1 1
1 1
1 0
0 1
Target
X3 T
1 1
0 -1
1 -1
1 -1
 Epoch 1:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 0 0 (1 1 1 1) (1 1 1 1)
(1 1 0 1) -1 3 1 (−1 −1 0 −1) (0 0 1 0)
(1 0 1 1) -1 1 1 (−1 0 −1 −1) (−1 0 0 −1)
(0 1 1 1) -1 -1 -1 (−1 0 0 −1)

Epoch 5:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 -2 -1 (1 1 1 1) (0 1 2 −1)
(1 1 0 1) -1 0 0 (−1 −1 0 −1) (−1 0 2 −2)
(1 0 1 1) -1 -1 -1 (−1 0 2 −2)
(0 1 1 1) -1 0 0 (0 −1 −1 −1) (−1 −1 1 −3)

Epoch 10:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 -3 -1 (1 1 1 1) (1 1 2 −3)
(1 1 0 1) -1 -1 -1 (1 1 2 −3)
(1 0 1 1) -1 0 0 (−1 0 −1 −1) (0 1 1 −4)
(0 1 1 1) -1 -2 -1 (0 1 1 −4)

Epoch 20:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 -2 -1 (1 1 1 1) (2 2 4 −6)
(1 1 0 1) -1 -2 -1 (2 2 4 −6)
(1 0 1 1) -1 0 0 (−1 0 −1 −1) (1 2 3 −7)
(0 1 1 1) -1 -2 -1 (1 2 3 −7)

Epoch 25:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 0 0 (1 1 1 1) (3 4 4 −7)
(1 1 0 1) -1 0 0 (−1 −1 0 −1) (2 3 4 −8)
(1 0 1 1) -1 -2 -1 (2 3 4 −8)
(0 1 1 1) -1 -1 -1 (2 3 4 −8)
 Epoch 26:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 1 1 (2 3 4 −8)
(1 1 0 1) -1 -3 -1 (2 3 4 −8)
(1 0 1 1) -1 -2 -1 (2 3 4 −8)
(0 1 1 1) -1 -1 -1 (2 3 4 −8)

Jaringan dapat mengenali semua pola yang diberikan setelah 26 epoch